使用 C++ 在文件中进行字符串搜索/索引

Question

我正在使用以下代码来搜索文件并提供数据和相关的行号。但是这个代码在几十万行的情况下是否足够快？我的电脑确实冻结了几秒钟。我需要搜索整数对并在逗号后返回其 RHS 值（一些统计数据），但使用以下代码我可以返回整行。

1. 使用split 函数解析返回的数据并获取我的 RHS 值是否是一个好主意

或

1. 根据 LHS 参数直接获取 RHS 值。 （好吧，我无法做到这一点）

任何人都可以帮助我实现上述两个中的任何一个吗？

这是我的代码：

#include <string>
#include <iostream>
#include <fstream>

    int main()
    {
        std::ifstream file( "index_hyper.txt" ) ;
        std::string search_str = "401" ;
        std::string line ;
        int line_number = 0 ;
        while( std::getline( file, line ) )
        {
            ++line_number ;
            if( line.find(search_str) != std::string::npos )
                std::cout << "line " << line_number << ": " << line << '\n' ;
        }
    }

这是我index_hyper.txt文件的内容：

18,22
20,37
151,61
200,62
156,63
158,64
159,65
153,66
156,67
152,68
154,69
155,56
156,14
157,13
160,122
161,1333
400,455
401,779
402,74
406,71

Answer 1

您可以使用以下代码完成上述代码的工作：

grep -n "^401," index_hyper.txt

如果您只想输出 RHS，您可以：

grep  "^401," index_hyper.txt | sed "s/[^,]*,//"

如果您在没有 sed、grep、bash 等的 Windows 平台上，那么您可以通过安装 cygwin 轻松访问 unix 工具。

Answer 2

作为一般规则，不要开始将字符串分解为 较小的部分（子字符串），直到您需要为止。然后开始 准确指定想要的内容：您说的是 RHS 和 LHS，并且 谈论“根据 LHS 参数获取 RHS 值”。所以：你想要吗 第一个字段完全匹配，子字符串匹配 第一个字段，还是整行的子字符串匹配？

无论如何：一旦你有line 的线路，你就可以轻松地 将其分为两个字段：

std::string::const_iterator pivot = std::find( line.cbegin(), line.cend(), ',' );

然后你做什么取决于你的标准是什么：

if ( pivot - line.cbegin() == search_str.size() &&
        std::equal( line.cbegin(), pivot, search_str.begin() ) ) {
    //  Exact match on first field...
    std::cout << std::string( std::next( pivot ), line.cend() );
}

if ( std::search( line.cbegin(), pivot, search_str.begin(), search_str.end() ) != pivot ) {
    //  Matches substring in first field...
    std::cout << std::string( std::next( pivot ), line.cend() );
}

if ( std::search( line.cbegin(), line.cend(), search_str.begin(), search_str.end() ) != line.cend() ) {
    //  Matches substring in complete line...
    std::cout << std::string( std::next( pivot ), line.end() ); }
}

当然，您需要进行一些额外的错误检查。什么 例如，如果行中没有逗号（例如pivot == line.end()），您应该怎么做？或者在 线。 （你的例子看起来像数字。应该 "401" 匹配 只有"401"，还是"+401"？）

在继续之前，您应该非常仔细地指定 对于所有可能的输入，代码应该做什么。 （为了 最可能的输入，当然，答案可能是： 将带有行号的错误消息输出到std::cerr 和 继续。在这种情况下一定要返回EXIT_FAILURE。）